基于区域特征补全和细粒度特征注意力的行人重识别方法

针对现有行人重识别方法对行人图像中遮挡区域特征利用率较低和行人图像中提取的特征细粒度不足的问题,提出了一种基于区域特征补全和细粒度特征注意力的行人重识别方法。首先,提出细粒度特征注意力模块,通过对输入特征进行分割加权重组,并添加注意力机制,以获得细粒度特征;其次,引入区域特征补全模块,通过将输入特征分块聚类,使遮挡区域特征能够通过相同聚类的特征恢复;最后,使用身份损失、加权正则化三元组损失和中心损失对模型进行训练优化。在公开数据集Market-1501、DukeMTMC-reID上进行实验,结果表明模型识别效果有所提升。